Numpy Pandas
数据分析 : 是把隐藏在一些看似杂乱无章的数据背后的信息提炼出来,总结出所研究对象的内在规律.
数据分析三剑客 - Numpy Pandas Matplotlib
# Numpy 基于一维或多维的数组 数组开辟的内存是连续的 数据容器 (是python的一个扩展程序库,支持大量的维度数组和矩阵运算,此外也针对数组原酸提供大量的数学函数库) import numpy as np ndarray 对象是用来存放同类型元素的多维数组,其中每个元素在内存中都有相同存储大小的区域
# array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0) 数据源 默认整型 arr1 = np.array([1,2,3,4,5]) 一维 arr1 = np.array([[1,2,3],[3,4,"two"]]) 二维 # 传进来的列表中包含了不同的数据类型,则统一为统一类型,优先级:str>float>int
# 加载一张图片进来 import matplotlib.pyplot as plt img_arr = plt.imread('./toy.jpg') #读图片 图像 # img_arr # 三维数组 plt.imshow(img_arr) # 显示图片 img_arr = img_arr-10 plt.imshow(img_arr)
img_arr.shape #数组的形状(px,px,维度) -------------------------------------- np routines 函数创建
np.ones(shape,dtype,order) # 最后是排序
np.zeros(shape,dtype,order) # float np.full(shape=(5,6,3),fill_value=12) # 几行几列 几纬度 数据填充 np.linspace(0,100,10) # 基于等差数列的一位数组(不能,参数没有shape) 最后是个数 np.arange(0,100,3) # 一维数组 [起止)步长
---------------------------------------
# 随机性固定 随机因子
np.random.seed(10) #固定时间种子 产生的随机数就固定下来了
np.random.randint(0,100,size=(6,7)) #[ )
np.random.randn(d0,d1,d2 .. .. dn) #高斯分布 标准正态分布
np.random.random(size=(4,5)) #[0.0, 1.0)半闭合
np.eye(5) 返回一个二维数组,对角线上是1,其他地方是0. 2-D float
# ndarray的属性 ndim 维度 shape 形状(各维度的长度) size 总长度 dtype 元素类型 img_arr.ndim 3 img_arr.size 114027 img_arr.shape (191, 199, 3) img_arr.dtype dtype('uint8') type(img_arr) numpy.ndarray
ndarray 索引 一维与列表一样,多维时候同理 arr1[0][0] --------- 切片--------------- np.random.seed(1) arr = np.random.randint(0,100,size=(5,6)) arr[:2] # 获取前两行 arr[:,:2] # 获取前两列 #(行,列,三维度) 左行右列 arr[0:2,:2] # 前2行/2列 ---------- 倒叙 ------------ # arr[::-1] 行倒叙 # arr[:,::-1] 列倒序 # arr[::-1,::-1] 行列都倒叙
# 图片各种翻转 plt.imshow(img_arr) plt.imshow(img_arr[:,::-1,:]) # 左右转 列倒 plt.imshow(img_arr[::-1,:,:]) # 上下转 列倒序 plt.imshow(img_arr[::-1,::-1,::-1]) # 全倒序
变形 ? reshape 参数是tuple 一维变二维 -1是自动计算 二维变一维 一维
# 合并三张照片------------------------------- import matplotlib.pyplot as plt
img_arr = plt.imread('./toy.jpg') im3 = np.concatenate((img_arr,img_arr,img_arr),1) #级联 im9 = np.concatenate((im3,im3,im3),0)\ plt.imshow(im9) # -- 切图 ---------------------------------- plt.imshow(img_arr) plt.imshow(img_arr[40:110,50:133,:]) # 求和 a1.sum(axis=0) #a.sum(axis=None, dtype=None, out=None, keepdims=False) # 排序 np.sort(a1,axis=1) #不改变输入 ndarray.sort() 本地处理 不占用空间 但改变输入
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
级联需要注意:
参数是列表: 一定要加[] ()
维度必须相同
形状相符 维度一致时,横向级联行数一样,纵向亦然
可通过axis 参数改变级联的方向
所有赋值运算不会为ndarray的任何元素创建副本。对赋值后的对象的操作也对原来的对象生效。 arr = np.array([1,2,3,4,5]) a = arr.copy() #创建副本 a[1] = 10
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
np.sum 和 np.max/ np.min 最大/小 np.mean() 平均值
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
ndarray广播机制的三条规则:缺失维度的数组将维度补充为进行运算的数组的维度。缺失的数组元素使用已有元素进行补充
规则一:为缺失的维度补1(进行运算的两个数组之间的维度只能相差一个维度)
规则二:缺失元素用已有值填充
规则三:缺失维度的数组只能有一行或者一列
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
快速排序
np.sort()与ndarray.sort()都可以,但有区别:
np.sort()不改变输入
ndarray.sort()本地处理,不占用空间,但改变输入
部分排序
np.partition(a,k)
有的时候我们不是对全部数据感兴趣,我们可能只对最小或最大的一部分感兴趣。
当k为正时,我们想要得到最小的k个数
当k为负时,我们想要得到最大的k个数
# Pandas
# 级联 维度一样,横向级联,纵向级联,形状相符
import numpy as np a1 = np.random.randint(0,100,size=(4,5)) a2 = np.random.randint(0,100,size=(4,5)) a3 = np.random.randint(0,100,size=(4,4)) display(a1,a2,a3) np.concatenate((a1,a2),axis=1) #concatenate((a1, a2, ...), axis=0竖直轴向, out=None) # 合并三张照片 九宫格图片 import matplotlib.pyplot as plt img_arr = plt.imread('./toy.jpg') #读取图片 plt.imshow(img_arr) # 查看图片 im3 = np.concatenate((img_arr,img_arr,img_arr),1) #横向 im9 = np.concatenate((im3,im3,im3),0) #纵向 plt.imshow(im9)
plt.imshow(img_arr[40:110,50:133,:]) #图片裁剪
a1 = np.random.randint(0,100,size=(4,5))
sum 求和
a1.sum(axis=0) #a.sum(axis=None, dtype=None, out=None, keepdims=False) 列
a1.sum(axis=1) # 行
a1.sum() #总和
排序
np.sort(a1,axis=0) #不改变输入(返回新的数组,原数组不变) axis = 1行 0列 不指定的话就是的所有的都排序
a1.sort() #本地处理,不占用空间,但改变输入 --直接修改原数组,不推荐使用 a.sort(axis=-1, kind='quicksort', order=None)#Sort an array, in-place.
s1 = Series(data=[1,2,3,4,5]) # 隐式索引 默认索引 s2 = Series(data=[1,2,3,4,5],index=['a','b','c','d','e']) #显示索引 s1[0], s2[1], s2['a'] s2[['a','b','c']] #拿多个值
s3 = Series(data=np.random.randint(0,100,size=(9)),name='haha') s3 #用 numpy 创建Series
dic = { 'english':100, 'yuwen':120 } #字典创建series
Series(data=dic) # 输出 类似于字典
s2.iloc[0:3] # iloc跟隐式 loc跟显示 切片
s2['aaa']=1000 #相当于添加键值对
s2.index # 显式索引
s2.tail(2) #后几个
s2.head(2) #前几个
# 去重
s = Series(data=[1,3,1,2,4,5,3,2,3,5,6,7,4,2,4,5,5])
s.unique() # 返回值是 array => array([1, 3, 2, 4, 5, 6, 7], dtype=int64) 横排打印,series竖排打印,包含索引
# 排空 s1 = Series(data=[1,2,3,4,5],index=['a','b','c','e','f']) s = s1 + s2 # 索引与之对齐的数相加 显示隐式都可以 # 数据清洗 去空值 s.isnull() # True Falses.notnull() #True False #s[[True,False,True,True,False,True,False]] # 只保留True对应的值 s[[0,1,2,3]] s[s.notnull()] #返回新的Series s原始的数据不变
索引与之对齐的加减乘除/运算
DataFrame 是由Series组成的 表格型数据结构 值 行索引 列索引 //一维拓展多维
import pandas as pd from pandas import Series,DataFrame df = DataFrame(data=np.random.randint(60,120,size=(3,4)),index=['a','b','c'],columns=['A','B','C','D']) #numpy数据源 #(data=None, index 行=None, columns 列=None, dtype=None, copy=False) 3行4列
dic = {
'zhangsan':[11,22,33,44],
'lisi':[0,1,2,3]
} #字典数据源
df = DataFrame(data=dic,index=['语文','数学','英语','化学'])
df['zhangsan'] #列索引取值,只能用 显示索引
df[['lisi','zhangsan']] #取多列
df.loc['语文'] #取行 index
df.iloc[0] 整数
df.values #所有元素 df.index #行索引 index obj df.columns = ['张','李'] #列索引修改 obj df.shape #(3,3) 形状
df.loc['英语','zhangsan'] # 先取行,再取列
df.loc[['英语','化学'],'zhangsan'] # 取多个值
df.iloc[:,1] #隐式索引 左行右列
df[0:2] #行切片 前两行
df.iloc[:,0:2] #列切片 前两列
df['lisi'] #索引拿到 列
df.loc[:,'lisi':'zhangsan'] #通过切片切出前两列
df.loc[['语文','数学']] #索引取行
df['语文':'数学'] #切片取行
df.loc['语文','zhangsan'] # 通过索引取元素
-----------------------------------------------
dic = {
'zhangsan':[11,22,33,44],
'lisi':[0,1,2,3]
}
df = DataFrame(data=dic,index=['语文','数学','英语','化学'])
df_qz = df
qimo = df_qz
qimo['zhangsan']=[88,99,100,110]
(df_qz+qimo)/2 #期中期末平均成绩
df_qz.loc['数学','zhangsan']=0 #数学改0分
df_qz['lisi'] =df_qz['lisi']+100 #lisi所有成绩加100
df_qz = df_qz + 10 #所有人的各门课都加10